Un comico arriva alla fine della frase, si ferma appena, abbassa una mano. Per una frazione di secondo nella sala non accade nulla. Poi parte la risata. È in quel minuscolo intervallo — troppo breve per essere afferrato a occhio nudo e troppo importante per essere lasciato al caso — che abita ciò che chiamiamo tempo comico. Gli artisti lo sentono, il pubblico lo riconosce, ma spiegarlo è molto più difficile. E misurarlo sembrava, almeno fino a ieri, quasi impossibile.

Un gruppo di ricercatori dell’École nationale des chartes–PSL, di EPITA e del médialab di Sciences Po ha provato a trasformare questa intuizione in un oggetto osservabile. Il risultato si chiama TIC-TALK, acronimo di Timing In stand-up Comedy: Text, Audio, Laughter, Kinesics: una pipeline e una banca dati per studiare insieme quello che il comico dice, come si muove, quando il pubblico ride e che cosa decide di mostrare la regia.

Il paper scientifico completo, firmato da Yaelle Zribi, Florian Cafiero, Vincent Lépinay e Chahan Vidal-Gorène, è stato presentato al secondo Workshop on Computational Humor del 2026. Il suo obiettivo non è costruire una formula della battuta perfetta. È più interessante: creare gli strumenti per capire, su larga scala, come parole, corpo e risposta della sala si coordinano nel tempo.

Che cos’è TIC-TALK

TIC-TALK è insieme un metodo di analisi e un corpus di annotazioni derivate da 90 speciali di stand-up distribuiti da Netflix, usciti tra il 2015 e il 2024. In totale, il materiale esaminato dura circa 94 ore: in media 63 minuti per spettacolo. La banca dati finale comprende 5.416 blocchi tematici allineati nel tempo.

La parola chiave è “multimodale”. Il sistema non tratta lo spettacolo come una semplice trascrizione, ma come la sovrapposizione di quattro flussi: il testo pronunciato, le risate registrate nell’audio, l’inquadratura scelta dalla regia e la posizione del corpo del performer. Questi flussi mantengono risoluzioni temporali diverse e vengono poi ricondotti alla stessa linea del tempo senza appiattirli artificialmente.

Come è stato costruito il dataset

Il primo strato è il testo. I sottotitoli vengono organizzati in segmenti di un minuto e analizzati con BERTopic, un sistema che raggruppa semanticamente i passaggi affini. Ogni blocco conserva anche una rappresentazione numerica del suo contenuto: un embedding a 384 dimensioni, utile per confrontare temi e somiglianze fra porzioni diverse degli spettacoli.

Il secondo strato è l’audio. Whisper-AT cerca le risate con un passo di 0,8 secondi, assegna loro una categoria e un grado di confidenza, quindi unisce le finestre contigue in singoli eventi con un inizio e una fine. Non decide se una battuta è “bella”: registra quando la platea reagisce e per quanto tempo.

Il video viene letto a un fotogramma al secondo. Un classificatore distingue sei tipi di inquadratura, dal campo lungo al primo piano; un secondo modello individua 17 punti del corpo. Da queste coordinate i ricercatori ricavano tre indici continui: apertura delle braccia, energia cinetica e inclinazione del busto. Il corpus conserva anche i punti grezzi, così chi lo utilizzerà potrà formulare domande diverse da quelle affrontate nello studio.

Che cosa misura davvero

Il sistema misura co-occorrenze e relazioni temporali. Può chiedere, per esempio, se nei passaggi che fanno ridere di più il performer si muove maggiormente o resta fermo; se alcuni argomenti coincidono con una maggiore densità di risate; se la regia tende ad avvicinarsi al volto quando arriva la risposta della sala. Non legge l’intenzione del comico e non comprende il significato di una battuta come lo comprende uno spettatore.

Questo punto è decisivo. Una correlazione non è una ricetta. Se immobilità e risata compaiono insieme, non significa che basti restare immobili per essere divertenti. La quiete può precedere la punchline, seguirla, lasciare spazio al pubblico o dipendere dallo stile dell’artista. TIC-TALK rende visibile una regolarità; interpretarla richiede ancora conoscenza della scena, del linguaggio e della costruzione comica.

I risultati principali

Il primo risultato è dunque la relazione tra minore movimento e maggiore presenza di risate. È il dato trasversale più forte fra quelli esaminati, ma gli stessi autori lo definiscono correlazionale: stile del performer, mobilità personale, scelte di montaggio e qualità delle rilevazioni possono influenzarlo.

Il secondo riguarda i temi. Nel corpus, gli argomenti personali e corporei — aspetto fisico, riproduzione, cibo, relazioni — presentano tassi di risata più alti rispetto a passaggi geopolitici o identitari. Non è una graduatoria universale della comicità: è una differenza osservata in questo campione, costruito con spettacoli selezionati e prodotti per una piattaforma globale.

Il terzo risultato è quasi un’assenza. Le risate più profonde, classificate come belly laughs, spariscono quando l’analisi resta alla scala dei blocchi di 60 secondi. Probabilmente sono troppo legate al momento preciso della battuta per emergere in segmenti tematici così ampi; oppure il rilevatore è troppo prudente nell’assegnare quella categoria. In entrambi i casi, per studiarle servirà una grana temporale più fine.

Infine, la percentuale di primi piani mostra una correlazione positiva ma debole con il tasso di risata: r = +0,28. È compatibile con un montaggio reattivo, nel quale la regia stringe sul volto durante i passaggi forti. Ma un’eccezione evidente nel corpus ricorda che ogni special possiede convenzioni visive proprie: la telecamera non si limita a registrare la performance, contribuisce a costruirla. Gli autori hanno anche provato a prevedere se una nuova risata sarebbe iniziata entro i due secondi successivi. Il sistema completo, che combina testo, immagine e storia recente delle risate, raggiunge un’AUROC di 0,647 e un’AUPRC di 0,277, contro una base casuale di 0,170. È meglio del caso, ma lontano da un oracolo.

La sorpresa più istruttiva è che il migliore indizio non viene né dalle parole né dal corpo: viene dalla risata appena avvenuta. Il modello basato soltanto sui dieci secondi precedenti arriva già a 0,643 di AUROC; aggiungere testo e visione migliora il dato di appena 0,004. In altre parole, una sala “calda” tende a restare calda. Anche la risata, come molti comici sanno senza bisogno di formule, è contagiosa.